[发明专利]基于强化学习的JPEG压缩图像重建方法

说明书

本发明涉及一种基于强化学习的JPEG压缩图像重建方法，包括下列步骤：第一步：制作JPEG压缩图像数据集：对于已经公开的图像数据集，进行4种不同程度的JPEG压缩生成含有压缩噪声的图片。第二步：设计JPEG压缩图像恢复工具：针对4种不同程度的JPEG压缩，分别训练重建算法参数，获得4个压缩图像恢复工具。第三步：训练最优处理工具选择网络，面对不同程度的压缩图片选择最合适的恢复工具。

技术领域

本发明属于图像处理技术领域，涉及一种基于机器学习技术，采用强化学习重建JPEG压缩图像的方法。

背景技术

随着大数据时代的到来，图像信息因其更具有直观性，更加通俗易懂，已经是日常生活中必不可少的信息来源。虽然数字化技术已经非常成熟，但是存储器的存储容量、通信干线的信道带宽以及计算机的处理速度任然承受着较大压力。为了缓解压力，在传输或者保存图像时都经过了压缩编码。JPEG压缩编码常用的压缩方式。图像数据的冗余主要有：相邻位置的像素之间有一定的相关性，会产生空间上的冗余；同时在图像序列中，不同帧之间也会有一定的相关性，会产生时间上的冗余；还有频带冗余等。虽然图像压缩编码可以提高图像存储、传输以及处理的速度，节省存储空间，但是也会降低图像的分辨率，缺失细节信息，影响了图像的后续处理。

压缩图像重建是指从已有的低分辨率图像中恢复出损失的高频信息，进而获得高分辨率图像的技术。近年来，海内外诸多学者都对重建压缩图像进行了研究。Wang等设计了一种深度双域基础上的快速重建模型，利用了深度网络强大的学习能力以及专家系统^[1]；Yu等利用卷积神经网络实现人工痕迹的无缝衰减，并通过层次分解和联合使用大幅度卷积和反卷积网络来加速^[2]；在特定的先验知识(比如量化表)的帮助下，Liu等提出了一种分解压缩图片的方法，将压缩图片分为结构层和细节层分别采用不同的处理方法^[3]；Kang等先对图像进行去块操作后再进行重建，以避免压缩图像上的块痕迹对重建造成影响^[4]。

[1]WangZ,LiuD,Chang S,etal.D3:Deep dual-domainbasedfastrestoration ofJPEG-compressedimages[C]//Proceedings oftheIEEE ConferenceonComputerVisionand Pattern Recognition.2016:2764-2772.

[2]YuK,DongC,LoyC C,etal.DeepConvolutionNetworksforCompressionArtifacts Reduction[J].arXivpreprintarXiv:1608.02778.2016.

[3]LiY,GuoF,TanRT,etal.AcontrastenhancementframeworkwithJPEGartifacts suppression[C]//EuropeanConferenceonComputerVision.SpringerInternational Publishing,2014:174-188.

[4]KangLW,HsuC C,etal.Self-learning-basedsingleimage super-resolutionofhighly compressedimage[C]

发明内容

本发明提供一种JPEG压缩图像重建方法，基于强化学习的方法对JPEG压缩图像重建，针对不同程度的压缩图片，自主采取最合适的重建方法，提高图像的细节信息，便于后续的处理，提高效率和准确率。

技术方案如下：

一种基于强化学习的JPEG压缩图像重建方法，包括下列步骤：

第一步：制作JPEG压缩图像数据集